MétaCan
Menu
Retour à la cohorte
Enregistrement W3151142013 · doi:10.1061/(asce)st.1943-541x.0003026

Lateral Resistance of Sheathing-to-Framing Nailed Joints with an Intermediate Insulation Layer

2021· article· en· W3151142013 sur OpenAlexaff
Marko Spasojevic, Hossein Daneshvar, Yuxiang Chen, Ying Hei Chui

Notice bibliographique

RevueJournal of Structural Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Load-Bearing Analysis
Établissements canadiensNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEmbedmentFraming (construction)Structural engineeringShear wallMaterials scienceComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Lateral resistance of shear walls constructed with wood-based sheathing panels and lumber framing is largely governed by the strength of the sheathing-to-framing nailed joints. In new wall designs, a layer of soft thermal insulation is added between the sheathing and framing to increase the wall thermal resistance. Studying the influence of the intermediate insulation on the lateral load resistance of the nailed joint is essential for understanding the structural behavior of this kind of shear walls. An experimental study was conducted to measure the lateral resistance of the nailed joints. The results show that the insulation has a significant impact on the lateral resistance. An analytical model for predicting the lateral resistance, with embedment strengths of sheathing and framing members and nail bending strength as input parameters, was developed. The model predictions were compared with those from existing analytical models and with the experimental data. The ultimate lateral resistance of the nailed joints can be predicted with sufficient accuracy using the developed analytical model for the joints with up to 51-mm-thick intermediate insulation layers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Structural EngineeringMême sujetStructural Load-Bearing AnalysisTravaux en français237 207